François Chollet
PulseAugur coverage of François Chollet — every cluster mentioning François Chollet across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
2024年论文揭示SOTA LLM在规则操纵谜题上表现不佳
2024年发表在ICML会议上的一篇论文指出，包括GPT-4o和Gemini-1.5模型在内的最先进多模态大型语言模型，在泛化需要操纵和组合游戏规则时表现糟糕。该论文由麻省理工学院的研究人员和弗吉尼亚理工大学的一名个人撰写，提出了这些“钥匙门谜题”作为高级AI评估的潜在基准。Reddit帖子的作者质疑了这些谜题的当前状态及其对未来万亿参数Agentic Swarm的影响。
-
MIT团队的NAT-ARC使用ImageNet预训练来应对视觉ARC挑战
来自MIT何恺明团队的研究人员开发了NAT-ARC，这是一种使用纯视觉方法解决ARC（Abstraction and Reasoning Corpus）挑战的新颖方法。与以往依赖大型语言模型的方法不同，NAT-ARC利用了一个在ImageNet上预训练的视觉编码器，特别是使用了Masked Autoencoder (MAE)技术。这种预训练使模型能够从猫和狗等自然图像中学习通用的视觉理解，然后有效地迁移到彩色网格上的抽象推理任务。NA…
-
Anthropic CEO呼吁AI发展放缓引发监管辩论
Anthropic首席执行官Dario Amodei发表了一篇主张放缓AI发展的文章，此举引发了褒贬不一的反应。一些人，如Gary Marcus，赞扬Amodei呼吁透明度和监管，但其他人则表示怀疑。包括Angela Rasmussen和François Chollet在内的批评者认为，Amodei的提议可能是为了阻止真正的监管，或者是AI公司影响监管过程的一种方式。人们还对Anthropic提出的使用独立评估员的方法表示担忧，一些人…
-
AGI辩论因新基准和OpenAI的Astra模型而升温
最近的一段视频和相关研究探讨了通用人工智能（AGI）不断演变的定义和潜在实现。讨论将AGI的经济学定义与侧重于技能获取和泛化的框架进行了对比，并提到了OpenAI的最新模型Astra（GPT-6 Astra）。据报道，该模型在FrontierMath和ARC-AGI-3等基准测试中取得了高分，甚至协助解决了长期存在的数学难题。AGI发展的瓶颈似乎已从AI解决问题的速度转移到人类验证循环，强调了普及AI素养的必要性。
-
OpenAI认为当前AI缺乏的是元学习，而非AGI
通用人工智能（AGI）的概念常常被误解为仅仅是在基准测试中取得高分，但这种观点将积累的技能与真正的智能混为一谈。根据OpenAI的一篇帖子，当前先进的模型缺乏学习如何学习的能力，这是AGI的一个关键组成部分。这些模型不是自主诊断自身的弱点并生成学习课程，而是依赖人类工程师提供专门的训练数据和环境，实际上是让人类成为外部的元学习者。真正的AGI需要能够进行自主学习、识别自身盲点并生成必要数据来弥补这些差距的系统。
-
AI研究员François Chollet通过发明而非营销来定义AGI
知名AI研究员François Chollet表示，在他看来，只有当AI能够展现出真正的发明能力、概念突破以及创造出新的现实世界技术时，才能称之为通用人工智能（AGI）。他批评了当前将GPT-6 Astra等模型仓促标记为AGI的现象，认为此类声明往往是出于营销目的而非严谨的工程考量。Chollet指出，严肃研究人员持有更严格的定义，并注意到AGI等术语已被一些行业领导者稀释成营销术语。
-
人工智能怀疑论者 François Chollet 现在预计通用人工智能（AGI）将早于 2030 年到来
人工智能研究员 François Chollet 以其对近期通用人工智能（AGI）的怀疑态度而闻名，他已修正了其到来时间表。Chollet 此前估计 AGI 将在 2030 年左右到来，但现在他认为 AGI 将比预期更早到来。这一观点的转变源于近期人工智能的进展，包括 Astra 的发布和 ARCAGI-3 的饱和，这些进展加速了其进展，超出了他的预期。
-
小型AI模型在推理方面取得突破性进展，挑战前沿大型语言模型
三星公司开发的一个名为TRM的小型Transformer模型在ARC-AGI基准测试中取得了显著成果，其表现优于Gemini 2.5 Pro和DeepSeek R1等大型模型。另外，一位独立开发者在不到两小时的时间里，仅用一块GPU就训练出了一个类似的小型Transformer模型，并在同一基准测试中取得了高分。这些进展挑战了人们普遍认为海量参数对于高级推理能力至关重要的观念，表明效率和新颖的架构可能是未来AI进步的关键。
-
ARC-AGI 奖项侧重于流体智力，借鉴神经科学
2026 ARC-AGI 奖项于三月启动，接受投稿至十一月八日，侧重于衡量流体智力而非晶体知识。该方法旨在通过评估技能获取效率和对新颖问题的适应性，来创建人工智能和人类智力之间的公平比较。该奖项的方法论从神经科学中汲取灵感，特别引用了 Elizabeth Spelke 的核心知识理论及其与顶内沟和梭状回等大脑解剖结构的关系。
-
AI归纳问题以骰子游戏为例进行说明，强调算法的权衡取舍
文章探讨了归纳法的基本挑战，即从观察到理解的过程，这仍然是人工智能和科学领域一个重大的未解决问题。文章使用一个简单的骰子游戏作为具体例子，来说明“没有免费午餐”定理，并强调算法学习方法固有的权衡取舍。作者讨论了各种机器学习算法在此任务上的表现，旨在提供关于为什么某些AI架构（如Transformers）有效以及ARC-AGI等基准测试重要性的实际直觉。
-
人工智能的下一次飞跃可能是选择知识，而非生成文本
一种新的人工智能开发方法表明，未来的突破可能并非来自简单地扩大模型规模，而是来自优化人工智能管道的其他部分。一种提出的方法涉及“逆向人工智能”架构，其中语言模型充当语义规划器，选择并返回现有知识块的标识符，而不是生成新文本。这可能导致更低的推理成本、更快的响应速度以及更少的幻觉，尤其适用于需要确定性和可审计输出的应用。
-
OpenAI的GPT-5.6在ARC-AGI-3基准测试中展现巨大飞跃
OpenAI的新款GPT-5.6模型，特别是Sol版本，在ARC-AGI-3基准测试中取得了7.8%的分数，该测试旨在挑战AI的流体智力。虽然这一分数与人类的表现（90%以上）相比显著偏低，但它代表了比以往AI模型巨大的飞跃，GPT-5.5的得分仅为0.43%，Anthropic的Opus 4.8得分为1.5%。该模型还展现了高效率，在早期的ARC-AGI版本中取得了90%以上的分数。
-
“互联网之父” Vint Cerf 从 Google 退休
被广泛誉为“互联网之父”的 Vinton Cerf 在为 Google 服务二十余年后，将卸任其首席互联网布道师的职务。Cerf 是 TCP/IP 等互联网基础协议的联合设计者，在 Open Frontier 会议上受到了表彰。他还分享了他对 AI 代理未来的看法，预测它们的交互将需要标准化的协议来实现互操作性，而不是仅仅依赖自然语言通信。
-
科技领袖被指控搞殖民主义和贪婪
作者批评了科技行业中的知名人士，包括Sam Altman和Alex Karp，指责他们将利润置于真正的智能或AGI发展之上。这种观点将他们的行为置于殖民主义和剥削的历史背景下，暗示了一种短期获利然后崩溃并寻找新事业的模式。文章驳斥了这些人真正关心培育新形式智能的说法，而是将他们视为“贪财的海盗”。
-
新的 Gemini 3 Deep Think，Anthropic 300亿美元 @ 3800亿美元，GPT-5.3-Codex Spark，MiniMax M2.5
Google DeepMind 发布了 Gemini 3 Deep Think V2，这是 Google AI Ultra 订阅用户的新推理模式，并可通过 API 提前访问。该模型在 ARC-AGI-2 等基准测试中取得了 84.6% 的准确率，创下新的最先进水平，并在 Humanity's Last Exam 和竞赛编程方面表现出色。该模型还因其效率而受到关注，每项任务成本降低 82%，并在科学和工程工作流程中具有实际应用，包括论文…
-
Francois Chollet 启动 100 万美元 ARC 奖以促进人工智能研究
著名人工智能研究员 Francois Chollet 发起了 100 万美元的 ARC 奖竞赛。该倡议旨在通过奖励创新解决方案来促进通用人工智能 (AGI) 的进步。该奖项旨在通过一系列挑战和评估来加速 AGI 的进展。